据SiliconANGLE 9月10日报道，戴尔科技公司与英特尔公司正把安全能力嵌入AI基础设施，以应对企业AI工厂和自主智能体带来的新攻击面。报道称，随着AI成为企业新的工作负载，安全正从外围补充变为AI工厂的控制平面。

报道指出，企业正在建设的AI工厂用于大规模生产知识，但这一模式并非以安全为中心。能源、算力和数据输入，以token形式输出的智能也随之带来传统网络安全未曾设计应对的新风险。theCUBE Research首席分析师Dave Vellante在近期分析中说，AI工厂引入了一类超越传统网络安全模型的新风险，数据不再静态、有边界或容易分类，而是在分布式环境中持续生成、转换和消费。

Vellante说，模型由行为可预测的确定性系统支持，但同时也是随时间演变的自适应、概率性引擎；智能体日益自主行动，与企业系统交互、执行工作流并在有限或有时没有人类干预的情况下作出决策。

在这一环境中，戴尔和英特尔试图在基础设施本身内置安全，而不是在部署后再补。戴尔负责组合营销的高级网络安全布道者Steve Kenniston说，AI改变了整个游戏，涉及模型推理、训练模型、训练数据，以及提示注入、身份管理等，每个新应用都有新的攻击面。戴尔院士兼系统架构副总裁Mukund Khatri说，AI带来更多威胁，大语言模型看起来像代码，需要像代码一样保护，但它们本质上是数据，模型完整性至关重要。

Khatri说，大语言模型可能给出错误答案，但智能体可能采取错误行动，后者危害更大。系统自主运行时，错误或恶意活动的风险可能上升，尤其因为行动实时执行，往往没有人类审查的机会。

企业正在高速采用AI，但智能体如何运作、能访问什么并不清楚。智能体身份因此成为基础控制层。Darktrace 2026年“AI网络安全状况”报告调查了14个国家的1540名网络安全领导者和从业者。报告称，92%的受访者担心AI智能体在整个员工队伍中的安全影响，46%认为没有充分准备防御AI驱动的威胁，87%认为AI正在显著提升恶意软件的复杂性和成功率。

报道称，围绕边界防御、静态策略执行和人类速度响应建立的传统安全模型正越来越不足。模型反转、提示注入和数据投毒可利用模型和数据的弱点，而不只是传统软件漏洞。AI还能帮助对手更快发现漏洞并开发攻击，缩短漏洞发现到实际利用之间的时间。智能体高速穿过系统时，安全更难维持。AI工作负载带来的复杂性，是多数安全团队尚未准备好处理的。

为了让智能体的使用更安全，部署最小权限访问将至关重要，并需要延伸生命周期管理等治理概念。报道称，戴尔和英特尔正在从底层构建AI基础设施安全和数据保护。